Revenue-Expense versus Asset-Liability Model: The impact

Judul on the earnings attributes of non-financial private firms

Jurnal Meditary Accountancy Research
Volume & Halaman Vol. 85 No. 2
Tahun 2020
Penulis Nicola Moscariello, et al
Reviewer Moh. Zidni Ilman S432008016
Rafie Akbar Sumarno S432008022
Tri Nurul K. S432008029
Tanggal 28 Maret 2021

Abstrak
Pendahuluan
Backround dan
Pengembangan
Hipotesis
Setting Penelitian Setting Penelitian
dan Deskripsi Penelitian ini didasarkan pada konteks italia, dimana italia
Sampel memiliki hukum yang khas (La Porta, 1997). Aturan akuntansi
untuk perusahaan swasta italia didasarkan pada kode sipil italia
dan GAAP italia, yang memberikan persyaratan rinci untuk
pengakuan dan pengukuran semua elemen laporan keuangan.
Namun sejak 2005, karena peraturan IAS, perusahaan italia
dapat secara sukarela mengadopsi IFRS daripada GAAP italia
(cameran et al, 2014) Hal ini memungkinkan penilaian simultan
dari beberapa atribut pendapatan (proksi MD dan EA) dari
perusahaan yang melaporkan berdasarkan GAAP Italia
(perusahaan IGF, mengikuti model pendapatan-biaya) dengan
perusahaan swasta yang secara sukarela mengadopsi IFRS
(perusahaan VIA, mengikuti model aset-kewajiban ).
Selain itu, bursa saham Italia telah menjadi pasar saham Eropa
pertama yang mempromosikan program Elite. Perusahaan Elite
(E_IGF) adalah perusahaan swasta yang dibimbing dalam
keterampilan manajemen, sistem pelaporan, tata kelola, dan
audit laporan keuangan untuk meningkatkan peluang pendanaan
mereka dan memfasilitasi cara maju ke daftar mereka (Dana
Moneter Internasional, 2014).
Isu Metodologis
Ada beberapa masalah utama yang terutama terkait dengan
masalah desain penelitian, seperti heterogenitas sampel, bias
pemilihan sendiri, dan bias penyintas.
Pertama, heterogenitas sampel terkait dengan penerapan
skenario lintas negara, yang cenderung menghasilkan hasil yang
bias karena berdampak pada perubahan atribut pendapatan
karena perbedaan ekonomi, politik dan penegakan hukum antar
negara (Ball, 2006; Leuz, 2010) . Memang, Ball dkk. (2003) dan
Leuz et al. (2003) menemukan hubungan langsung antara proxy
EA dan kekuatan mekanisme perlindungan investor tingkat
negara, sementara He dan Shan (2015) menunjukkan MD yang
 lebih lemah di negara-negara dengan asal hukum common law
dan perlindungan investor yang lebih kuat.
Kedua, bias seleksi diri, biasanya mempengaruhi studi tentang
perusahaan swasta yang secara sukarela mengadopsi IFRS,
terhubung dengan adanya karakteristik khusus yang
membedakan para pembuat yang beralih ke IFRS dari
konstituen lain.
Ketiga, bias penyintas (yang muncul ketika hanya perusahaan
yang bertahan dari waktu ke waktu yang dimasukkan dalam
sampel) dibatasi dengan memeriksa perusahaan VIA, IGF dan
E_IGF dalam periode referensi yang relatif singkat, daripada
mengembangkan analisis rangkaian waktu yang lama untuk
menangkap dampaknya. dari pergeseran terdokumentasi dari
model pendapatan-biaya ke model assetliability atas MD dan
EA (Bartov et al., 2000; Ecker et al., 2006).
Penyeleksian Sampel
Sampel terdiri dari perusahaan non keuangan swasta Italia
dengan data yang tersedia dari tahun 2001 hingga 2015.
Database yang digunakan untuk pengambilan sampel adalah
Analisi Informatizzata delle Aziende Italiane (AIDA)
(disediakan oleh Bureau Van DijkVR) dan, mulai dari
himpunan parameter umum, tiga sub-sampel telah diidentifikasi.
- Kelompok pertama
Terdiri dari perusahaan swasta italia yang secara sukarela
mengadopsi sistem pelaporan IFRS (VIA), yang ditandai
dengan insentif tinggi terhadap transparansi dan modal
akuntansinya lebih cenderung kepada model aset kewajiban.
Sampel dasar sebesar 118 unit.
- Kelompok kedua
Perusahaan swasta yang melaporkan GAAP italia (IGF). Sampel
dasar 118 perusahaan.
- Kelompok ketiga
Perusahaan yang terlibat dalam program elite dari bursa efek
italia (E_IGF). Sampel dasar dari 134 perusahaan menjadi 91
perusahaan.

Definisi Variabel Proxy untuk Matching Degree (MD)

dan Metode Atribut pendapatan pertama diwakili oleh hubungan antara
Penelitian pendapatan dan biaya kontemporer (MD). Mengikuti Dichev
dan Tang (2008), kami mengukur tingkat pencocokan dengan
menilai koefisien regresi pendapatan operasional saat ini pada
biaya operasi satu tahun ke belakang, sekarang dan satu tahun
ke depan (dikempiskan dengan rata-rata total aset). untuk
menilai efek tambahan yang dapat dimiliki model pelaporan
yang berbeda pada tingkat pencocokan, kami melakukan model
berikut dan menggunakan koefisien b 6 dan b 7 sebagai proxy
untuk tingkat pencocokan (MD):
Proxy dari atribut Pendapatan
- Predictability
Proksi untuk prediktabilitas laba (EA1) diberikan oleh akar
kuadrat dari varian kesalahan model berikut (Lipe, 1990),
dilakukan secara terpisah untuk sampel VIA, E_IGF dan IGF:

di mana nilai besar dari akar kuadrat dari varian kesalahan

menyiratkan pendapatan yang kurang dapat diprediksi.
- Persistensi
Sehubungan dengan atribut kualitas laba kedua, kami mengukur
persistensi pendapatan, terkait dengan model pelaporan
keuangan yang berbeda, melalui koefisien kemiringan dari
model autoregresif berikut (sementara dilakukan untuk sampel
VIA, E_IGF dan IGF), yang menghubungkan operasi saat ini
dan yang tertinggal penghasilan (Lev, 1983):

di mana b 4 dan b 5 digunakan sebagai proxy untuk persistensi

laba (EA2) yang terkait dengan model pendapatan-biaya
(E_IGF dan IGF) relatif terhadap model aset-kewajiban (VIA).
- Konservatisme bersyarat
Atribut kualitas penghasilan ketiga diwakili oleh konservatisme
bersyarat, yang mengungkapkan reaksi akrual terhadap berita
buruk (Basu, 1997). Untuk menganalisis hubungan antara
model pelaporan keuangan yang berbeda dan tingkat
konservatisme bersyarat, kami melakukan model regresi
clustered-robust panel berikut (Ball dan Shivakumar, 2005):

Income Smoothing
Perataan laba (EA4) dihitung sebagai rasio antara standar
deviasi spesifik perusahaan EBIT dan deviasi standar relatif
arus kas operasi (Burgstahler et al., 2006).
EA4 kemudian digunakan sebagai variabel dependen model
regresi cross-sectional (diperoleh dengan mengganti variabel
respon pada persamaan (3) [5]) untuk menguji dampak sistem
pelaporan keuangan yang berbeda tentang perataan laba, setelah
mengendalikan insentif khusus perusahaan dan faktor penentu
bawaan kualitas laba.
 Besaran akrual abnormal
kami menggunakan nilai absolut dari persamaan 7 sebagai a
mengukur besarnya akrual abnormal (EA5), dengan nilai EA5
yang lebih besar menunjukkan akrual abnormal yang lebih
besar.
Dampak model pendapatan-biaya atas besarnya akrual
abnormal relatif terhadap model aset-kewajiban dinilai oleh
model regresi yang kuat berkerumun panel berikut, yang
dilakukan saat ini untuk tiga sampel (VIA, E_IGF dan IGF):

Kesimpulan